Threading va Branch Prediction: Zamonaviy protsessorlarda sortingni tezlashtirish

NameOcean cloud hostingida ishlayotgan tizimlaringizda algoritmlarni optimallashtirish compiler ishiga o‘xshab tuyulishi mumkin. Lekin haqiqat shuki, CPU xatti-harakatlarini tushunsangiz, yuk ostida sekinlashmaydigan app yaratishingiz mumkin.

Bir threaddagi tezlik chegarasi

Yillar davomida protsessorlar chastotasini oshirib tezlatardi. Endi bu yo‘l tugadi. Endi ko‘p yadro berishyapti – 8, 16, 32 tagacha. Muammo? Ko‘p dasturchilar hali ham bitta yadro uchun yozishyapti.

Bu yerda divide-and-conquer algoritmlari yordam beradi. Quicksort – eng mashhur sortinglardan biri, parallelizatsiya uchun ideal. U muammoni mustaqil qismlarga bo‘lib, bir vaqtda bir nechta threadda ishlovchi qiladi.

Lekin faqat multithreading yetarli emas.

Branch prediction jarimasidan qochish

Zamonaviy CPUlar if-shartni oldindan taxmin qiladi. Noto‘g‘ri taxmin qilsa – pipeline tozalanadi, tezlik tushadi.

Misolga qarang:

for (int i = 0, j = 0; i < 1000; i++) {
    if (numbers[i] < 500) {
        small_numbers[j] = numbers[i];
        j += 1;
    }
}

Tasodifiy ma’lumotlarda bu shart 50% to‘g‘ri. CPU taxmin qilolmaydi, mispredictionlar qimmat to‘xtatishlarga olib keladi.

Yechim? Shartni umuman olib tashlang:

for (int i = 0, j = 0; i < 1000; i++) {
    small_numbers[j] = numbers[i];
    j += (numbers[i] < 500);
}

Shartni 0 yoki 1 raqamga aylantirib, branchni yo‘qotdingiz. Har doim yozasiz, lekin bu pipeline flushdan ancha arzon.

Haqiqiy natijalar

50 million son ustida test qildik. Optimallashtirishlarning ta’siri quyidagicha:

| Versiya | Apple M1 | Intel Xeon | |---|---|---| | Oddiy Quicksort | 3.191s | 4.953s | | C++ std::sort | 1.190s | 4.949s | | Branchsiz bitta thread | 0.923s | 1.814s | | Branchsiz ko‘p thread | 0.243s | 0.461s |

Ko‘rasizmi? Branchsiz 70% tejash. Multithreading yana 70-75% qo‘shadi. Natija: M1da 13 barobar, Xeonda 11 barobar tezlik.

Bu kichik o‘zgarish emas – butunlay yangi daraja.

Nega sizning stackingizga muhim

Cloud infratuzilmasida bu optimallashtirishlar pulingizni tejaydi:

Tez so‘rovlar: Sorting hamma joyda – DB querylar, qidiruv, loglar. 10x tezlik ko‘proq so‘rovni bir vaqtda qayta ishlaydi.

Kam CPU sarfi: Bir xil trafikni kam yadro bilan bajarasiz. NameOcean cloud hostingida bu to‘g‘ridan-to‘g‘ri xarajatni kamaytiradi.

Past latency: Multithreading yadrolarni to‘ldiradi. Branchsiz kod bilan pik yukda ham sekinlashmaydi.

Kengaytirish: Bu quicksortgina emas. Mergesort, radix sort ham shunday yaxshilanadi.

Amaliy tafsilotlar

Ishga tayyor kod quyidagilarni o‘z ichiga oladi:

1. Aqlli bo‘lish: Lomuto usuli kabi sinovdan o‘tgan sxemalar.
2. Zaxira: Duplikatlardan O(n²) holatni sezib, heapsortga o‘tish.
3. Kichik massivlar: 16 tadan kamida sorting networks – solishtirish xarajati ustun.
4. Stackni qo‘lda boshqarish: Rekursiyadan qochib, overheadni kamaytirish.

Har bir o‘zgarish muayyan to‘siqni hal qiladi. Branchlarni olib tashlang, chaqiruvlarni kamaytiring, cacheda saqlang, yadrolarga taqsimlang.

Asosiy xulosa

Har loyihada o‘zingiz sorting yozmaysiz. C++ std::sort yoki Rust sortlari ishonchli. Lekin ularning nima uchun tezligini bilish kerak.

Katta ma’lumotlar bilan ishlasangiz – data pipeline, qidiruv, analytics – bu bilim qayerga kuch sarflashni aniqlaydi. Kichik o‘zgarish (branchsiz kod) katta foyda beradi.

NameOcean Vibe Hostingda CPU og‘ir yuklar uchun bu optimallashtirishlar kuchli instansga o‘tishni oqlaydi yoki bir mashinaga ko‘p xizmat joylashtirishga yordam beradi.

Dars: Zamonaviy CPUlar arxitekturasini tushunganlarni mukofotlaydi. Xotira naqshlari, branch bashorati va parallel ishni o‘ylang. Appingiz va infrangiz xarajatlari rahmat aytadi.